ORISA ist ein Framework zur Speicherforensik, das Gesprächskontext aus dem Prozessspeicher lokaler Android-Apps mit großen Sprachmodellen rekonstruiert und als neue, app-unabhängige Sitzung bereitstellt. Die Forschung dazu betrifft lokale Apps und deren Arbeitsspeicher, nicht Chatverläufe in Cloud-Konten.
Welche Daten ORISA aus dem App-Speicher rekonstruiert
Die IEEE-Arbeit beschreibt zwei Arten von Speicherresten: Batch-Tokens und Key-Value-Caches (KV-Caches). Tokens bilden Text in einer für Sprachmodelle verarbeitbaren Form ab. KV-Caches halten Informationen bereit, die das Modell während einer Sitzung verwendet.
ORISA nutzt diese im Prozessspeicher erhaltenen Daten, um Tokenfolgen zu rekonstruieren und Aufmerksamkeitszustände der Sitzung wiederherzustellen. Anschließend hostet das Framework die rekonstruierte Sitzung unabhängig von der ursprünglichen App neu.
Was der Versuch mit Project Note Keeper ergab
Georgia Tech beschrieb am 13. Oktober 2026 einen Versuch mit Project Note Keeper, einem fiktiven Assistenten in der Android-App ChatterUI. Die Forschenden gaben dem Assistenten 100 erfundene Fakten zu einem Projekt und löschten anschließend die Unterhaltung. Die ursprüngliche Sitzung konnte danach noch auf 14 Fakten zugreifen. Die wiederhergestellte Sitzung gab auf Anfrage 26 Fakten aus.
| Sitzung im Versuch | Beobachtung nach dem Löschen | Fakten |
| Ursprüngliche Sitzung | Konnte noch auf Fakten zugreifen | 14 von 100 |
| Wiederhergestellte Sitzung | Gab Fakten auf Anfrage aus | 26 von 100 |
Die Zahlen stammen aus diesem einzelnen Versuch. Sie beschreiben keine allgemeine Erfolgsquote für gelöschte KI-Chats.
Wie ORISA Kontext aus dem Prozessspeicher rekonstruiert
Die beschriebenen Speicherartefakte führen zur Rekonstruktion von Tokens und Sitzungszuständen. Daraus entsteht eine neu gehostete Sitzung, die nicht an die ursprüngliche App gebunden ist.
Welche Ergebnisse die Auswertung berichtet
Die IEEE-Arbeit nennt 60 Sitzungskonfigurationen mit zehn lokalen Android-LLM-Apps und drei Modellarchitekturen. Für Tokens und KV-Cache-Tensoren innerhalb des aktiven Kontextfensters berichtet der Abstract eine Wiederherstellung von 100 Prozent.
Außerdem beziffert der Abstract das von den rehosteten Sitzungen offengelegte Wissen im Durchschnitt auf 169,6 Prozent des Wissens der ursprünglichen Sitzung. Das ist ein Maß für die in den Sitzungen offengelegte Wissensmenge, keine Zahl wiederhergestellter Gespräche.
Was die Ergebnisse über gelöschte Chats aussagen
Untersucht wurden lokale Sprachmodell-Apps unter Android und Speicherreste im laufenden App-Prozess. Cloud-Konten und deren Chatverläufe gehörten nicht zu diesem Untersuchungsgegenstand.
Georgia Tech zufolge kann gewöhnliche Aktivität auf dem Smartphone den Speicher überschreiben. Dadurch wird eine spätere Wiederherstellung schwieriger.
